本文分享内容来自图书《学习OpenCV 4:基于Python的算法实战》,该书内容如下:

第1章 OpenCV快速入门; 第2章 图像读写模块imgcodecs; 第3章 核心库模块core; 第4章 图像处理模块imgproc(一); 第5章 图像处理模块imgproc(二); 第6章 可视化模块highgui; 第7章 视频处理模块videoio; 第8章 视频分析模块video; 第9章 照片处理模块photo; 第10章 2D特征模块features2d; 第11章 相机标定与三维重建模块calib3d; 第12章 传统目标检测模块objdetect; 第13章 机器学习模块ml; 第14章 深度神经网络模块dnn

欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4:基于Python的算法实战》。

Grabcuts是一种交互式前景提取算法,OpenCV允许读者在待分割的图像周围提供矩形框,矩形框之外的部分属于背景,此时不用指定前景。读者也可以使用一个全局掩膜,将图像的像素点分为确定前景、确定背景以及疑似前景和疑似背景,这样确定区域将被算法用于将疑似区域进行分割。

OpenCV中提供了Grabcuts算法的函数grabCut,函数定义如下:

mask, bgdModel, fgdModel = grabCut(img, mask, rect, bgdModel, fgdModel, iterCount, mode=None)

参数说明如下:

u img,输入图像;

u mask,掩模(返回值);

u rect,包含分割对象的感兴趣区域;

u bgdModel,背景模型的临时数组(返回值);

u fgdModel,前景模型的临时数组(返回值);

u iterCount,算法迭代次数;

u mode,处理模式,由GrabCutModes定义。

本案例实现了一个交互式的图像分割,鼠标左键选取确定前景,鼠标右键选取确定背景,Grabcuts算法根据确定前景和确定背景进行图像分割。

Grabcuts算法图像分割案例代码如下:

import cv2 import numpy as np #绘制前景/背景标识线标志 drawing = False # 定义GrabCut类,作用是设置一些参数 class GrabCut: def __init__(self, t_img): self.img = t_img self.img_raw = img.copy() self.img_width = img.shape[0] self.img_height = img.shape[1] self.img_show = self.img.copy() self.img_gc = self.img.copy() self.img_gc = cv2.GaussianBlur(self.img_gc, (3, 3), 0) self.lb_up = False self.rb_up = False self.lb_down = False self.rb_down = False self.mask = np.full(self.img.shape[:2], 2, dtype=np.uint8) self.firt_choose = True # 鼠标操作的的回调函数 def mouse_event(event, x, y, flags, param): global drawing, last_point, start_point # 左键按下,开始标识前景 if event == cv2.EVENT_LBUTTONDOWN: drawing = True # 设置鼠标按下的起始点 last_point = (x, y) start_point = last_point param.lb_down = True # 右键按下,开始标识背景 elif event == cv2.EVENT_RBUTTONDOWN: # 读者请先标识前景,否则无法分割 if param.firt_choose: print("Please select foreground first!") return drawing = True last_point = (x, y) start_point = last_point param.rb_down = True # 鼠标移动,绘制标识前景和背景的线 elif event == cv2.EVENT_MOUSEMOVE: if drawing: # 鼠标左键按下的绘制 if param.lb_down: cv2.line(param.img_show, last_point, (x,y), (0, 0, 255), 2, -1) cv2.rectangle(param.mask, last_point, (x, y), 1, -1, 4) # 鼠标右键按下的绘制 if param.rb_down: cv2.line(param.img_show, last_point, (x, y), (255, 0, 0), 2, -1) cv2.rectangle(param.mask, last_point, (x, y), 0, -1, 4) last_point = (x, y) # 左键释放,结束标识前景 elif event == cv2.EVENT_LBUTTONUP: drawing = False param.lb_up = True param.lb_down = False cv2.line(param.img_show, last_point, (x,y), (0, 0, 255), 2, -1) # 如果第一次标识,切换状态 if param.firt_choose: param.firt_choose = False cv2.rectangle(param.mask, last_point, (x,y), 1, -1, 4) # 右键释放,结束标识背景 elif event == cv2.EVENT_RBUTTONUP: # 如果首先标识背景则不做处理 if param.firt_choose: return drawing = False param.rb_up = True param.rb_down = False cv2.line(param.img_show, last_point, (x,y), (255, 0, 0), 2, -1) cv2.rectangle(param.mask, last_point, (x,y), 0, -1, 4) #执行操作 def process(img): if img is None: print('Can not read image correct!') return g_img = GrabCut(img) cv2.namedWindow('image') # 定义鼠标的回调函数 cv2.setMouseCallback('image', mouse_event, g_img) while (True): cv2.imshow('image', g_img.img_show) # 鼠标左键或者右键抬起时,按照标识执行Grabcut算法 if g_img.lb_up or g_img.rb_up: g_img.lb_up = False g_img.rb_up = False # 背景model bgdModel = np.zeros((1, 65), np.float64) # 前景model fgdModel = np.zeros((1, 65), np.float64) rect = (1, 1, g_img.img.shape[1], g_img.img.shape[0]) mask = g_img.mask g_img.img_gc = g_img.img.copy() #执行Grabcut算法 cv2.grabCut(g_img.img_gc, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_MASK) # 0和2做背景 mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8') # 使用蒙板来获取前景区域 g_img.img_gc = g_img.img_gc * mask2[:, :, np.newaxis] cv2.imshow('Grabcut_result', g_img.img_gc) # 按下ESC键退出 if cv2.waitKey(20) == 27: break if __name__ == '__main__': img = cv2.imread("./src.jpg") process(img)

如图5.30为第一次选取前景的操作。

如何快速学会抠图(简简单单就能抠图)(1)

图5.30

如图5.31为分割后的结果,图中人物被有效的抠取出来了。

如何快速学会抠图(简简单单就能抠图)(2)

图5.31

继续使用右键选取背景区域,如图5.32所示。

如何快速学会抠图(简简单单就能抠图)(3)

图5.32

抠取人像的结果如图5.33所示。

如何快速学会抠图(简简单单就能抠图)(4)

图5.33

如果分割效果不佳,读者可以继续选取前景或者背景,多次迭代进行更加精细化的分割。

,